数字经济空间集聚对区域全要素能源效率的影响

余紫菱 任孟成 马莉莉

（西北大学经济管理学院，西安 710127）

引 言

随着全球极端气候的频繁发生和碳排放约束的不断加强，中国作为全世界第二大能源消耗国，自然资源浪费严重，转变粗放、低效率的发展方式，提高能源效率，成为实现碳达峰碳中和目标的重点关注问题。学界大多使用资本、能源、劳动、GDP、二氧化碳衡量全要素能源效率［1］，并且认为环境规制［2］、 产业结构［3］、 产业转移［4］、 能源消费结构［5］、 市场化改革［6］等是影响能源效率的重要因素。而数字经济是人类通过数据要素进行资源的优化配置，引领和支撑经济结构根本性变革，实现不同于农业经济、工业经济的高质量发展的新型经济形态。其与产业的融合使数字要素在生产、分配、交换、消费的循环中发挥着重要作用，可以推动产业转型升级，使各类产业价值重新焕发，从而有更多的资金和资源进行技术研发，大幅提高创新能力［7］。数字经济逐步成为影响能源效率的关键因素。

但当前区域间科技和经济发展存在差异，导致我国东、南部地区产生了更多时效性高的 “热数据”处理需求，大量做大数据、人工智能的企业集中在该地区，使数字经济的发展具有明显的空间集聚特征，整体上呈现东热西冷、南高北低的情形［9］。数字经济的空间集聚是否同生产性服务业［10］、 工业［11］、 能源［12］等产业集聚现象一致，对能源效率具有正向影响且存在空间溢出效应？还是由于能源生产中心和数字经济中心的逆向分布格局，使其具有特殊性？在数字经济空间集聚的背景下，厘清数字经济空间集聚对区域全要素能源效率的作用机理和影响效应，对中国实现 “东数西算”战略布局，协调能源要素与数字要素合理配置，提升能源效率，具有重要的现实意义。

相对于已有文献，本文的边际贡献是：（1）运用空间杜宾模型对数字经济空间集聚同区域全要素能源效率的影响和空间溢出效应进行说明，增加了对能源效率的研究视角；（2）从产业结构的角度解读了数字经济对能源效率的影响途经；（3）对数字经济对能源效率的影响进行了阶段性划分，可以更加全面认识数字经济和能源效率的关系。

1 理论机制与研究假设

数字经济作为一种新型产业形态具备传统产业集聚的部分特征，不少学者认为产业集聚对能源效率并非简单的促进作用，如师博和沈坤荣［13］认为城市区域集聚对能源效率呈现 “倒U”关系，潘雅茹等［14］认为产业集聚对能源效率呈现显著的非线性影响。因此，数字经济空间集聚对全要素能源效率的影响也可能随着集聚程度的变化而变化。

当数字经济集聚度小于1／α0时①，经济体处于快速发展阶段，对资源、人才等各类要素的虹吸作用显著，引致大量的能源需求。但此时数字经济分布相对分散，规模效应不显著，集聚区数字产业化潜在优势未充分释放，在数字技术的场景应用、市场应用模式、数字资源的开放共享等方面存在不足，使得投入与产出不对等，限制能源效率的提高。当数字经济集聚程度处于1／α0与1／α1之间时，数字经济发展成熟，规模效应开始显著。电能作为支撑数字经济运转的基本动能，大规模集聚实现统一的电力供应，可以减少电网建设成本和电力运输损耗；各数字企业能够更加容易地获得资源和高素质劳动力供给，并且企业间通过利用集聚产生的知识和信息进行技术创新，同时将先进的技术、知识、成果等应用到算力节能等环节，学习效应和竞争效应显著；数字产业化和产业数字化发展程度不断提高，数字技术的应用有利于能源效率的提升。当数字经济集聚度大于1／α1时，将产生拥挤效应，这会促使数字经济集聚地资源、环境与发展的矛盾日益突出，限制数字经济的深度发展，导致能源效率的降低。数字技术的发展弱化了地理距离的概念，扩大了数字经济的空间影响范围。并且受区域竞争和政治目标的影响，各地区主动学习和模仿数字经济技术，数字的外溢能力逐步增强，这种双向作用会推动各地区能源效率的变化，使数字经济空间集聚对能源效率具有空间溢出效应。

假设1：数字经济空间集聚对能源效率的影响呈现 “倒N”的非线性影响，且该影响具有空间溢出效应。

从全国整体层面看，数字经济空间集聚是由各省域产业生态发展决定的。中国南部和东部地区人口密集，生活消费品需求高，由此衍生出资本消费品、生产性服务和社会性服务，经济的高度繁荣产生了大量的数据，随即演化出对大数据处理和应用的需求，数字经济应运而生。而北部和西部地区，人口总量较少，经济活动较少，对大数据的需求和应用相对落后，数字经济发展呈现显著的空间集聚特征②。因而中国整体空间层面存在由经济水平决定的南北分层和东中西分层［15］，其中南北分层中的南部地区和东中西分层中的东部地区是经济发达地区，数字经济空间集聚度呈现出由东南向西北逐渐递减的地理特征。落后地区数字经济发展薄弱，集聚程度较低，产业与数字融合较差，对能源效率的影响有限。因此，东部地区和南部地区的数字经济空间集聚对全国能源效率的影响起到决定性作用。

假设2：东部地区和南部地区的数字经济空间集聚对能源效率的影响作用显著，具有明显的空间异质性。

数字经济与产业的融合和改造中，赋能于经济以新的活力，最终形成 “数字＋”的新型产业体系［16］，从而作用于能源效率。由于融合方式、效率和交互作用方式不同的原因，数字经济在不同时期对不同产业的优化作用具有差异性。融合初期因为数字经济价值实现功能相对不足，对各产业的发展推动作用具有局限性，导致产业结构的变化不大，因而，能源效率的变化更多的是通过其他较为分散的渠道产生影响。在规模效应和溢出效应突出的成熟期，各传统产业纷纷在生产、分配、消费等各环节融合数字要素，由于作用方式存在差异，从而根据各产业的数字运用特点和程度产生不同的增长率，进而导致产业结构发生变化，促进产业结构的高级化和合理化，以达到更适合于能源效率提升的产业结构。即数字技术可以与农业、制造业和服务业加速融合催生出一大批的新产业、新业态和新模式，以促进能源的高效利用［17］。在数字经济发展后期，逐步产生 “挤出效应”，对实体经济产生负向影响，并且对前一期中促进作用最大的产业表现出更为明显的抑制作用，进而呈现为各个产业结构的变化，产生能源效率降低的结果。另外，数字经济还可以凭借其高效化、平台化的信息处理模式，打破地理空间限制、精准化定位需求，从而对产业结构升级产生影响［18］。不同的产业结构对总体的能源效率也会产生不同的影响，且两者间存在长期均衡关系。有学者认为产业结构升级对能源效率具有正向作用［19－21］，也有学者认为第三产业比重的上升对能源效率提高的贡献有限［22，23］，甚至会导致能源强度的提升从而抑制能源效率［24］。据此，产业结构由产业与数字要素融合形成不同的生产率而产生变化，这种变化又会对能源效率产生影响，因此可以认为产业结构是数字经济聚集对能源效率影响中的中介变量。

假设3：产业结构是数字经济空间集聚对能源效率影响的中介变量，且不同时期中介效应不同。

2 模型建构与变量选取

2.1 模型建构

本文运用邻接空间权重矩阵、全局莫兰指数和局部莫兰指数反映能源效率的空间布局，对能源效率的空间自相关进行检验。2011～2020年能源效率的全局莫兰指数在5%的水平下显著，且均大于0，中国各省（区、市）的能源效率空间溢出性强，高高、低低值临近，具有空间正相关性 （表1）。

表1 能源效率和数字经济集聚的全局莫兰指数

由于能源效率存在一定的空间自相关性，因而采用空间计量模型研究数字经济空间集聚对区域能源效率的空间溢出作用。使用LM检验、Ro⁃bust LM检验和LR检验对模型合理性进行甄别。表2的结果显示，数字经济集聚对能源效率的影响应选择SDM空间杜宾模型，同时豪斯曼检验结果表示固定效应优于随机效应，双向固定效应优于个体和时间固定，因此，选择双固定的SDM模型。

表2 空间效应检验结果

式中EEit表示i地区t年全要素能源效率，DSit表示i地区t年数字经济空间集聚程度。由于数字经济发展带来经济水平、产业结构、能源结构等各方面的变化是一种颠覆性的变革，因而将数字经济空间集聚二次项与三次项纳入SDM模型中。μi是个体固定效应，υt是时间固定效应。

2.2 变量选取与数据来源

被解释变量：采用SBM超效率模型计算全要素能源效率。选取 《中国统计年鉴》中的年末社会从业人员作为劳动力投入，采用永续盘存法计算社会固定资本存量作为资本投入，选用地区生产总值作为期望产出；从 《中国能源统计年鉴》选取能源消耗作为能源投入，能源生产产生的废水和废气作为非期望产出。

解释变量：运用区位熵法测算数字经济空间集聚程度。选取 《中国统计年鉴》电子商务销售额和 《中国高技术统计年鉴》高技术收入表示数字经济空间集聚［25］。由于新冠肺炎疫情的影响，数字经济发展水平突飞猛进，但因为数据更新和数字经济作为一种新型经济业态的原因，2020年数据缺失较多，因此忽略疫情这类突发因素的影响，采用增长率的方法对缺失值进行补充。

控制变量：根据现有对能源效率的研究，选取研发投入、第二产业占比、煤炭表示的能源结构和政府支出作为控制变量，数据来源于 《中国科技统计年鉴》、《中国统计年鉴》和 《中国能源年鉴》。

3 数字经济空间集聚对区域能源效率的结果分析

对回归结果进行分析，发现核心解释变量数字经济空间集聚对能源效率的影响均在1%的水平下显著，当数字经济空间集聚度小于0.85时，其对能源效率的提升呈现负向作用；当数字经济空间集聚大于0.85小于1.89时，数字经济空间集聚对能源效率的提升具有显著的正向影响；当数字经济集聚高于1.89时，对能源效率的提升呈现出抑制作用，整体表现为 “倒N”型的非线性影响。从空间溢出作用的分解来看，数字经济空间集聚对本地能源效率和相邻区域能源效率的影响显著，空间溢出作用强。对比间接效应和直接效应，发现一个地区的能源效率受其他地区数字经济集聚的影响强。其原因是邻近省域的 “示范”作用在地区竞争力和政治晋升的压力下会激励本地积极学习和模仿，这种行为增强了空间外溢效应。同时，数字经济集聚受限于整个地区的产业生态的影响，会优先在经济发达地区形成，相对落后的地区虽然有集聚形成但发展相对较弱，加之数字运用互联网络弱化了距离的阻隔作用，因而其作用小于邻近省域数字经济集聚的影响。能源效率提升存在强烈的空间依赖性，印证了假设1。

表3 空间计量回归结果

进一步将全国按东、中、西和南、北两个标准进行划分，分别进行回归检验，发现，东部地区和南部地区为数字经济空间集聚度高的地区，数字经济发展迅速，回归结果与整体回归结果一致。中、西部地区，北部地区都属于能源禀赋较高的区域，数字经济发展相对落后，数字经济空间集聚度也较低，3个阶段对能源效率的影响均不显著。数字经济空间集聚对能源效率的影响存在明显的空间异质性，且东部地区和南部地区对全国的影响远强于中、西部地区和北部地区，数字经济集聚较弱的地区不足以改变整体回归结果，印证了假设2。

表4 区域异质性结果

采用Baron和Kenny提出的逐步法，对产业结构的中介效应进行检验，主要分为3步，对比第一步与第三步关键解释变量的显著性变化可以判断为部分中介效应或者完全中介效应；也可以判断其系数变化，即当时存在着部分中介效应；同时也可以使用非线性约束的Sobel Test与Goodman Test进行中介效应的显著性检验。

根据逐步法依次构造上述3个模型，为了验证假设3，将能源效率EEit视为被解释变量，将产业结构PTit视为中介变量，将数字经济聚集的各次项视为解释变量。使用第三产业占比衡量产业结构，保留技术进步、能源结构、政府干预作为控制变量加入3个方程中进行回归。式 （2）考察中介效应是否成立，具体为数字经济聚集的各项系数是否显著，式 （3）考察中介变量与数字经济聚集的相互作用是否显著，表明中介效应的前提成立与否，式 （4）考察相比于式 （2）中核心解释变量系数的显著性是否出现变化或者系数值是否改变，表明产业结构是否存在完全中介效应或部分中介效应。

因为空间杜宾模型将空间滞后项独立出来，可以一定程度上解决同方差和外生性假设，而最小二乘法（OLS）与固定效应模型不能，另外为保持与前文回归方法一致，则继续使用该模型检验中介效应。考虑到基础的中介效应模型是使用最小二乘法进行回归，为便于比较，同时报告基于传统非空间的OLS、非空间固定效应的估计结果，结果如表5所示。

根据表5可知，非空间OLS以及非空间固定面板模型的回归结果均显示产业结构没有中介效应，并且由于内生性和异方差性的存在，关键变量的系数值与显著性和预期结果不相符。而考虑空间溢出效应的杜宾模型则回归结果显著，且存在着一定的中介效应，即数字经济聚集的二、三次项出现变化，说明产业结构在数字经济聚集的中后期对能源效率的影响存在部分中介效应。使用Sobel Test和Goodman Test再次检验中介效应，结果显示产业结构在数字经济聚集的一次项对能源效率的影响中不存在中介效应，而在二次项和三次项中在10%的显著性水平下存在中介效应。估计结果表示，在数字经济聚集的初期，数字与产业融合程度低，数字化实施范围较小，对产业结构改变不明显，并不直接通过产业结构产生影响。在数字经济聚集的中期，各产业与数字经济的融合显现出规模效应和溢出效应，对各产业产生不同的推动作用，表现为三产业比重提升，二产业比重下降，此时产业结构的变化促进了能源效率的提升。进入第三阶段时，由于数字经济聚集与能源供应地的背离，数字经济聚集使第二产业占比的推动作用逐渐大于对第三产业占比的推动，进而产业结构进一步改变，抑制能源效率。

4 结论与建议

随着我国确定 “2030年碳达峰、2060年碳中和”的战略目标，碳排放问题成为重点，因而能源效率问题成为被关注的中心。高污染的能源供应方式被限制，改变能源结构增加可再生能源的使用量是提升能源效率最本质的方法；另外，将数字与能源结合助推产业转型和资源的高效利用，推动碳达峰碳中和的实现，是提升能源效率最直接的方法。因此在能源结构变革未彻底颠覆前，探究数字经济空间聚集和能源效率的关系问题意义重大。本文运用2011～2020年中国30个省级数据样本（基于数据的可获得性，西藏和港、澳、台地区未包括在内），在测算数字空间聚集度以及区域全要素能源效率的基础上，采取空间杜宾模型和中介效应模型对数字经济空间聚集和区域全要素能源效率的关系进行探究，得出了如下结论：（1）数字经济空间集聚对能源效率呈现为 “倒N”型的非线性影响，且具有显著的溢出效应；（2）中国东部地区和南部地区数字经济空间集聚对能源效率的影响最为显著，具有明显的空间异质性；（3）数字经济通过与产业的融合改变产业结构影响区域全要素能源效率。基于此，提出以下建议：

（1）把握中国各地区数字经济聚集对能源效率影响的阶段性特点，促进新兴城市群建设，充分发挥数字经济对其他区域能源效率的正向溢出作用。中国各省（区、市）间由于数字传输和管辖方式的区别，存在多个 “数字孤岛”，同时在全面考虑能源效率的特点和影响因素的基础上，建设新兴城市群能更好的连接各区域，且较大范围内的城市群，可以发挥数字经济对能源效率的正向溢出效应，避免拥挤效应，实现城市群整体能源效率提升。对于存在规模差异、经济发展差异的城市群，需要加强群落间的互通交流，完善相关配套基础设施，在城市间进行资源共享和优势互补，建立合作交流机制，增加数字经济交流和技术学习，降低壁垒，达到各区域间数字经济良性发展状态，以减少我国能源效率发展格局的非均衡性。

（2）大力推进 “东数西算”，打破区域壁垒，形成能源与数字要素协同联动的良性产业生态，助力于中国整体能源效率的提升。我国各区域的经济发展水平与能源禀赋不同，使得数字经济中心和能源生产中心存在逆向分布的空间格局，使一些地区数字经济过度集聚提前进入第三阶段，算能供应不足，而另一些地区刚刚起步，大量算能资源存在闲置。大力推进 “东数西算”工程，制定区域间交流和数字经济产业技术流动政策，引导数字经济空间集聚向中、西部地区转移，有助于促进东、南地区数字经济在过剩情况下转移进入西、北区域，缓解资源、环境与发展的矛盾，为数字经济集聚区获得更加流畅便捷的算能资源支撑数字经济的深化提供空间；另外，对于西、北地区，“东数西算”有助于落后地区跨越数字经济起步阶段，使数字技术同能源产业进行融合，发挥数字经济空间集聚对能源效率的正向效应，从而形成全国范围内能源与数字要素协同联动的良性产业生态，统筹东西部算能需求与供给，构建全国一体化数字经济协同联动体系。

（3）在数字经济不同发展阶段，促成产业结构的优化升级，实现能源效率的长效提升。产业结构是数字经济空间聚集对能源效率的中介变量，通过数字经济同各产业的结合产生增长率的差异，以改变产业结构，而产业结构的变化又会对能源的使用效率产生影响，使得在数字经济发展的中后期，产业结构的优化升级，对能源效率有着显著的提升作用。因而，在数字经济发展初期，需要从其他因素提升能源效率，中后期需要促进产业结构升级，但需要注意不能单纯的追求 “退二进三”，需要考虑不同地区的具体情况，制定合理的产业结构优化升级政策，否则易导致算能资源的供应短缺，产生数字经济发展停滞、能源效率倒退的后果。

注释：

①针对三次回归方程求拐点所得。

②东部地区：北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南；中部地区：山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南；西部地区：内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆；南部地区：上海、江苏、浙江、安徽、福建、江西、河南、湖北、湖南、广东、广西、海南、重庆、四川、贵州、云南；北部地区：北京、天津、河北、山西、内蒙古、辽宁、吉林、黑龙江、山东、陕西、甘肃、青海、宁夏、新疆。